差分進化算法及其應用.pdf

1、在最優(yōu)化領域，一些常規(guī)的計算方法如牛頓法、共扼梯度法、單純形法等很難解決多峰、高維等復雜的優(yōu)化問題。針對這類問題，人們通過模擬自然界的進化過程，進而提出各種模擬算法用于解決這類問題。基于這種思想而發(fā)展起來的一種通用的問題求解方法，我們統(tǒng)稱為進化算法。它可以在不用描述問題的全部特征的情況下，采用簡單的編碼技術來表示各種復雜的結構，通過對編碼進行簡單的操作和優(yōu)勝劣汰的自然選擇來指導學習和確定搜索方向。這種嶄新的特點使得進化算法不僅能獲得較高

2、的效率而且具有簡單、易于操作和通用的特性，因此進化算法越來越受到人們的青睞。 近年來，一種新的進化算法一差分進化算法(Differential EvolutionAlgorithm，DE)，被各國學者所廣泛關注。它的主要特點是算法簡單、收斂速度快，所需領域知識少。通過大量研究發(fā)現(xiàn)，DE算法具有很強的收斂能力，比較適合于解決復雜的優(yōu)化問題。 DE算法從2000年以后才開始被大多數(shù)學者研究，已取得了不少研究成果，與其它進化算

3、法相比，DE算法用于求解最優(yōu)問題時優(yōu)勢比較明顯，但也發(fā)現(xiàn)算法存在許多待改進的地方，無論是從理論角度還是從實踐方面考慮，DE算法目前都尚未成熟。因此很有必要繼續(xù)研究DE算法，從而擴大算法的應用領域，解決更多的問題。 本文首先分析了研究DE算法的重要意義，接著對DE算法相關的研究問題，如算法的基本結構、算法特點、參數(shù)設置、改進方法、實現(xiàn)模式及應用等做了較為系統(tǒng)的研究，并將DE算法用于解決最優(yōu)特征子集提取，最優(yōu)神經(jīng)網(wǎng)絡結構設計等應用問

4、題。 本文的主要研究成果可歸納如下： (1)全面的介紹了DE算法的原理，基本結構，實現(xiàn)模式和國內外學者對算法的改進措施及相關應用領域；針對DE算法的控制參數(shù)，通過標準函數(shù)的測試，對算法的參數(shù)選取問題進行了較為細致的研究。 (2)由于DE算法是一種實數(shù)編碼的優(yōu)化算法，不能很好的解決離散優(yōu)化問題，針對這類應用問題，本文提出一種二進制離散編碼方法，并將該方法應用于特征子集選擇問題中。通過實驗分析，這種方法能夠有效的提取